numpy.fft.fftn#
- fft.fftn(a, s=None, axes=None, norm=None, out=None)[source]#
计算 N 维离散傅里叶变换。
此函数通过快速傅里叶变换（FFT）计算 M 维数组中任意数量轴上的 N 维离散傅里叶变换。
- 参数:
- a类数组
输入数组，可以是复数。
- s整数序列，可选
输出的形状（每个变换轴的长度）（
s[0]指轴 0，s[1]指轴 1，依此类推）。这对应于fft(x, n)中的n。沿任一轴，如果给定形状小于输入形状，则输入会被裁剪。如果更大，则输入会用零填充。2.0 版更改: 如果为
-1，则使用整个输入（不进行填充/裁剪）。如果未给定 s，则使用沿 axes 指定轴的输入形状。
自 2.0 版弃用: 如果 s 不为
None，则 axes 也不能为None。自 2.0 版弃用: s 必须只包含
int类型，不能包含None值。None值目前表示在相应的 1 维变换中使用n的默认值，但此行为已被弃用。- axes整数序列，可选
计算 FFT 的轴。如果未给定，则使用最后
len(s)个轴，如果 s 也未指定，则使用所有轴。axes 中重复的索引意味着对该轴执行多次变换。自 2.0 版弃用: 如果指定了 s，则必须也明确指定要变换的相应 axes。
- norm{"backward", "ortho", "forward"}，可选
归一化模式（参见
numpy.fft）。默认为 "backward"。指示正向/反向变换对的哪个方向被缩放以及使用何种归一化因子。1.20.0 版新增: 添加了 "backward" 和 "forward" 值。
- out复数 ndarray，可选
如果提供，结果将放置在此数组中。它应该具有所有轴的适当形状和 dtype（因此与传入除普通
s之外的所有内容不兼容）。2.0.0 版新增。
- 返回:
- out复数 ndarray
沿 axes 指示的轴或通过 s 和 a 的组合进行变换后的截断或零填充输入，如上述参数部分所述。
- 抛出:
- ValueError
如果 s 和 axes 长度不同。
- IndexError
如果 axes 的某个元素大于 a 的轴数。
另请参阅
注意
输出，类似于
fft，在所有轴的低阶角包含零频率项，在所有轴的前半部分包含正频率项，在所有轴的中间包含奈奎斯特频率项，以及在所有轴的后半部分包含负频率项，按负频率递减的顺序排列。有关详细信息、定义和使用的约定，请参见
numpy.fft。示例
>>> import numpy as np >>> a = np.mgrid[:3, :3, :3][0] >>> np.fft.fftn(a, axes=(1, 2)) array([[[ 0.+0.j, 0.+0.j, 0.+0.j], # may vary [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]], [[ 9.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]], [[18.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]]]) >>> np.fft.fftn(a, (2, 2), axes=(0, 1)) array([[[ 2.+0.j, 2.+0.j, 2.+0.j], # may vary [ 0.+0.j, 0.+0.j, 0.+0.j]], [[-2.+0.j, -2.+0.j, -2.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]]])
>>> import matplotlib.pyplot as plt >>> [X, Y] = np.meshgrid(2 * np.pi * np.arange(200) / 12, ... 2 * np.pi * np.arange(200) / 34) >>> S = np.sin(X) + np.cos(Y) + np.random.uniform(0, 1, X.shape) >>> FS = np.fft.fftn(S) >>> plt.imshow(np.log(np.abs(np.fft.fftshift(FS))**2)) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()
